TP(True Positive), FP(False Positive), FN(False Negative), TN(True Negative)
* TPR (True Positive Ratio)
- TPR = TP / (TP + FN)
* FPR (False Positive Ratio)
- FPR = FP / (FP + TN)
* Accuracy(%)
- (TP+TN) / (TP + FP + FN + TN) * 100
아래는 다른 문서에서 확인 한 설명
The results of classification will be represented in a confusion matrix composed of tp (true positive), fn (false negative), tn (true negative), and fp (false positive), respectively. We define the precision and recall as: Precision =tp/(tp+fp), Recall=tp/(tp+fn). Then, the results are evaluated by calculating F-measure as F=2*(Precision*recall)/(Precision+Recall).
'Work Log > As Cybersecurity Consultant' 카테고리의 다른 글
웹 기반 서비스의 취약점 데모를 위한 참조 (0) | 2013.06.03 |
---|---|
정보보호 담당기관 (0) | 2013.05.31 |
MITRE의 MAEC(Malware Attribute Enumeration and Characterization) 프로젝트 (0) | 2013.05.20 |
데이터 커뮤니케이션 네트워크 관련 좋은 강의자료 (0) | 2013.05.14 |
[Lessons Learned] 10.0.0.0.0/8 이외의 A Class Private IP 사용 필요 시 (0) | 2013.05.11 |